Escolar Documentos
Profissional Documentos
Cultura Documentos
Neurona Dendritas Nucleo Dendrita Peso Entrada Nucleo entrada salida Bies error funcion de transferencia
Red Neuronal
Como construirla
No hay reglas en la actualidad para la construccin Deben resolverse dos cosas para la determinacin de la red
1. El conjunto de entradas de entrenamiento, con el cual se pretende encontrar la funciones de clasificacin de la red.
2. El conjunto de salida correspondiente a cada una de las entradas de entrenamiento.
El problema de la normalizacin
El problema radica en que el mundo real el dominio de comunicacin se de por medio de palabras, y en el mundo de las redes neuronales el dominio de comunicacin es valores que oscilan entre 0 y 1. No hay reglas para la normalizacin pero un mtodo sencillo es enumerar nuestro dominio de entradas y convertir a binario esta numeracin, lo mimo para nuestra salidas.
Normalizacin
Supngase que se tiene una variable llamada Motor y otra variable llamada puertas. Con los siguientes valores posibles. 1.6,1.8, 2.4,3.5 y puertas con 2,4 y 5.
Valores 1 2 3 4
Normalizacin.
Puertas 2 4 5 Valores 1 2 3 Normalizacion 01 10 11
Normalizacin.
Una vez obtenido los valores 0 y 1 de los dominios de entrada, se procede contar los dgitos totales de los conjuntos.
Normaliazacin ..
Valor 1 2 3 4
Sport
101
Ahora podemos decir que la salida requiere de 3 neuronas, una por cada digito correspondiente.
Contruyendo la red
Una vez que se ha obtenido el numero de neuronas de entrada y el numero de neuronas de salida, podemos proceder a construir una red perceptor multicapa solo hace falta calcular las neuronas de la capa oculta, sin embargo aqu tampoco hay reglas del numero de neuronas, por lo que se siguiere sea por lo menos del mismo numero de neuronas de entrada para casos donde las variables han sido normalizadas con el mtodo anteriormente descrito. O en su defecto multiplicarlos por un factor entero.
Neuronas ocultas= Neuronas de entradas * factor (se recomienda factor=1)
Construyendo la red
El resultado del ejercicio anterior seria de 5 Neuronas de entrada, 5 Ocultas y 3 de salida.
Cada Neurona esta compuesta de unidades que representan las dendritas, cada dendrita tiene un peso o valor representados por w1, w2 y la neurona tiene una salida representada por y, el trabajo de la neurona corresponde a la sinapsis donde los valores de entrada (x1,y x2) son multiplicados por los pesos y se suma los valores, este resultado es pasado por una funcin de transferencia para obtener la salida.
Para las neuronas de entrada y oculta ( 1/(1-(e Exp entrada))) Para las neuronas de salida el resultado de la suma no se toca por lo que se llana funcin purelin.
Entrenamiento
Para ensear a la red se necesita un conjunto de entrenamiento, (x1,x2) asignados a una salida deseada (z) , La red entrena en un proceso repetitivo donde en cada iteracin los coeficientes de los pesos de cada dendrita son modificados para cada uno de los conjuntos de entrenamiento, cada entrenamiento comienza incorporando las entradas del conjunto de entrenamiento a las dendritas de las neuronas de entrada. Cada neurona obtendr su sinapsis al sumar las multiplicaciones de cada dendrita por su entrada correspondiente.
Entrenamiento
Entrenamiento
Entrenamiento
Entrenamiento
A continuacin se propagan las salidas de cada neurona a cada dendrita de las neuronas ocultas, no sin antes pasarlas por la funcin de transferencia aplicada en el ncleo de la Neurona
Entrenamiento.
Entrenamiento
Del mismo modo las neuronas ocultas trasfieren su salida a las dendritas de las neuronas de salida.
Entrenamiento
En la siguiente parte del algoritmo es comparar la salida transferida de las neuronas de salida con la salida deseada. Y obtener el margen de error
Entrenamiento..
Ahora conocido el error cada neurona ajustara de acuerdo a su nivel de responsabilidad ( por los factores de pesos en las dendritas), para ello se propagara el error hacia atrs. Veamos como se propaga el error
Entrenamiento..
Entrenamiento.
Entrenamiento
Entrenamiento..
Entrenamiento..
(1 salida) ( salida)
y para el caso de las neuronas de salida que no se aplica ninguna funcin la derivada es 1 sin embargo se suguiere aplicar -2(1) = -2 en lugar de 1 segn [Hagan 1995]
Para el ajuste de pesos se aplica un algoritmo de Optimizacin pero tan simple como aplicar un factor de aprendizaje a la ecuacin de ajuste, el factor ser el mismo para todas las neuronas se sugiere valores pequeos como 0.4
Entrenamiento..
Entrenamiento.
Entrenamiento .
Entrenamiento
Entrenamiento
Entrenamiento.
Entrenamiento
A la serie de pasos anteriores se le llama poca, al finalizar la poca debe incorporarse otro conjunto de entrenamiento y evaluarse con su salida deseada, al terminarse los conjuntos de entrenamiento debe comenzarse con el conjunto uno y as sucesivamente hasta que una de las tres siguientes cosas pasen:
1.- Los salidas obtenidas sean iguales a las deseas 2.- las salidas sean muy muy cercanas a las deseadas 3.- Se haya puesto al algoritmo un numero de pocas predeterminado y este numero de pocas se haya realizado. El numero de pocas depende del problema, normalmente con 350 epocas en un problema sencillo bastara, pero en caso muy densos y dispersos poco entendibles quiz pase por encima de las 300 mil pocas.